Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación
Supervisor(es): Guimerans, Gustavo - Wodzislawski, Mónica
Resumen:
En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.
2021 | |
Educación Machine Learning Regresión Clasificación Learning Analytics Predicción Rendimiento Académico |
|
Español | |
Universidad de la República | |
COLIBRI | |
https://hdl.handle.net/20.500.12008/30053 | |
Acceso abierto | |
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
_version_ | 1807523227070627840 |
---|---|
author | Añón, Alejandro |
author2 | Torrano, Emiliano |
author2_role | author |
author_facet | Añón, Alejandro Torrano, Emiliano |
author_role | author |
bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 a006180e3f5b2ad0b88185d14284c0e0 36c32e9c6da50e6d55578c16944ef7f6 1996b8461bc290aef6a27d78c67b6b52 618f6dee09cd6c6847d9f25cd4846da7 |
bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/30053/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/30053/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/30053/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/30053/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/30053/1/AT21.pdf |
collection | COLIBRI |
dc.contributor.filiacion.none.fl_str_mv | Añón Alejandro, Universidad de la República (Uruguay). Facultad de Ingeniería Torrano Emiliano, Universidad de la República (Uruguay). Facultad de Ingeniería |
dc.creator.advisor.none.fl_str_mv | Guimerans, Gustavo Wodzislawski, Mónica |
dc.creator.none.fl_str_mv | Añón, Alejandro Torrano, Emiliano |
dc.date.accessioned.none.fl_str_mv | 2021-11-04T15:15:46Z |
dc.date.available.none.fl_str_mv | 2021-11-04T15:15:46Z |
dc.date.issued.none.fl_str_mv | 2021 |
dc.description.abstract.none.fl_txt_mv | En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras. |
dc.format.extent.es.fl_str_mv | 69 p. |
dc.format.mimetype.es.fl_str_mv | application/pdf |
dc.identifier.citation.es.fl_str_mv | Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. |
dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/30053 |
dc.language.iso.none.fl_str_mv | es spa |
dc.publisher.es.fl_str_mv | Udelar.FI |
dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
dc.subject.es.fl_str_mv | Educación Machine Learning Regresión Clasificación Learning Analytics Predicción Rendimiento Académico |
dc.title.none.fl_str_mv | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
dc.type.es.fl_str_mv | Tesis de grado |
dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv | info:eu-repo/semantics/acceptedVersion |
description | En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras. |
eu_rights_str_mv | openAccess |
format | bachelorThesis |
id | COLIBRI_685b72ed713e6bff0379258b00d9104d |
identifier_str_mv | Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021. |
instacron_str | Universidad de la República |
institution | Universidad de la República |
instname_str | Universidad de la República |
language | spa |
language_invalid_str_mv | es |
network_acronym_str | COLIBRI |
network_name_str | COLIBRI |
oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/30053 |
publishDate | 2021 |
reponame_str | COLIBRI |
repository.mail.fl_str_mv | mabel.seroubian@seciu.edu.uy |
repository.name.fl_str_mv | COLIBRI - Universidad de la República |
repository_id_str | 4771 |
rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
spelling | Añón Alejandro, Universidad de la República (Uruguay). Facultad de IngenieríaTorrano Emiliano, Universidad de la República (Uruguay). Facultad de Ingeniería2021-11-04T15:15:46Z2021-11-04T15:15:46Z2021Añón, A. y Torrano, E. Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2021.https://hdl.handle.net/20.500.12008/30053En la actualidad existe un crecimiento considerable en el uso de sistemas de aprendizaje a distancia, en donde se recolecta una gran cantidad de información. Además, el incremento en el poder de cálculo de las computadoras generó un contexto muy propicio para la aplicación de técnicas de aprendizaje automático. En este contexto, surge el interés de investigar si es viable la aplicación de estas técnicas en el ámbito educativo, en particular con los datos de un sistema de aprendizaje a distancia. En primera instancia se estudia el estado del arte de la aplicación de técnicas de aprendizaje automático a la educación. Allí se concluye que existen varias aplicaciones posibles -entre las que se destacan la predicción del rendimiento académico de los estudiantes y la sugerencia de contenido o ejercicios que maximicen el aprendizaje- que pueden aportar valor a los distintos actores de la educación. Se busca estudiar en mayor profundidad la aplicación de técnicas de aprendizaje automático para predecir el rendimiento académico de los estudiantes con el fin de generar alertas de forma temprana a los profesores para que puedan tomar acciones a tiempo. Las acciones que se puedan tomar ante una alerta de pérdida de un curso dependen fuertemente del contexto, como la asignatura y el estudiante, por lo que queda por fuera de este proyecto. Luego de definido el foco del proyecto, se toma como caso de estudio el Centro de Ensayos de Software (CES). En este centro se dictan carreras con la particularidad de ser completamente en línea, sobre la plataforma Moodle, lo cual permite que se dispongan de datos de todas las actividades que realizan los estudiantes en el sistema informático. Sobre estos datos se aplican distintas técnicas de aprendizaje automático para predecir si un estudiante aprobará o no un curso y también para predecir qué nota obtendrá al finalizar el curso. Se detallan los pasos seguidos para obtener las predicciones con el objetivo de que sean de utilidad para el CES así como también que sea posible generalizarlo a otros centros educativos. Se tiene como objetivo que la solución sea lo más genérica posible y agnóstica al centro educativo que se utiliza para el análisis, aunque esto no siempre es posible. Se describen los pasos que solo aplican al CES para que puedan ser adaptados a otra realidad en caso de ser de interés. Por último, se desarrolla una plataforma web para facilitar el proceso realizado y sea utilizado por el CES. La misma realiza todos los pasos detallados previamente y ofrece los resultados en una interfaz gráfica para que se pueda tomar acción sobre las alertas allí generadas. Las transformaciones realizadas en los datos y los parámetros utilizados en los modelos predictivos son configurables para poder ser aplicados a otros cursos o carreras.Submitted by Cabrera Gabriela (gfcabrerarossi@gmail.com) on 2021-11-04T14:24:34Z No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2021-11-04T14:37:20Z (GMT) No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2021-11-04T15:15:46Z (GMT). No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) AT21.pdf: 1427496 bytes, checksum: 618f6dee09cd6c6847d9f25cd4846da7 (MD5) Previous issue date: 202169 p.application/pdfesspaUdelar.FILas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)EducaciónMachine LearningRegresiónClasificaciónLearning AnalyticsPredicciónRendimiento AcadémicoEstudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educaciónTesis de gradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaAñón, AlejandroTorrano, EmilianoGuimerans, GustavoWodzislawski, MónicaUniversidad de la República (Uruguay). Facultad de IngenieríaIngeniero en ComputaciónLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/30053/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/30053/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-838616http://localhost:8080/xmlui/bitstream/20.500.12008/30053/3/license_text36c32e9c6da50e6d55578c16944ef7f6MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823149http://localhost:8080/xmlui/bitstream/20.500.12008/30053/4/license_rdf1996b8461bc290aef6a27d78c67b6b52MD54ORIGINALAT21.pdfAT21.pdfapplication/pdf1427496http://localhost:8080/xmlui/bitstream/20.500.12008/30053/1/AT21.pdf618f6dee09cd6c6847d9f25cd4846da7MD5120.500.12008/300532024-04-12 14:06:40.621oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:46:23.537380COLIBRI - Universidad de la Repúblicafalse |
spellingShingle | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación Añón, Alejandro Educación Machine Learning Regresión Clasificación Learning Analytics Predicción Rendimiento Académico |
status_str | acceptedVersion |
title | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
title_full | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
title_fullStr | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
title_full_unstemmed | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
title_short | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
title_sort | Estudio de la viabilidad de la aplicación de técnicas de aprendizaje automático a la educación |
topic | Educación Machine Learning Regresión Clasificación Learning Analytics Predicción Rendimiento Académico |
url | https://hdl.handle.net/20.500.12008/30053 |